ANALISIS UJI F

Analisis ini digunakan untuk memgetahui pengaruh signifikan varibel bebas secara simultan, terhadap variabel terikat. ( J. Suprato, 1993:265 ).






Di mana :
F = Uji F
R² = koefisien determinasi
n = Jumlah responden
k = Jumlah Varibel

Kriteria pengambilan keputusan :
1. Perbandingan F hitung dengan t table
a. JIka F hitung <> F table, maka H0 ditolak
2. Berdasarkan probabilitas
a. Jika probabilitas > 0,05, maka H0 diterima.
b. Jika probabilitas < 0,05, maka H0 ditolak.

ANALISIS UJI T ( T – TEST )

Uji t digunakan untuk mengetahui sejauh mana pengaruh suatu variable independent dengan variabel dependennya, dengan asumsi bahwa variabel independent lainnya dianggap konstan.

Analisis ini digunakan untuk mengetahui pengaruhi variabel bebas secara partial terhadap variable terikat. ( J. Supranto, 1993; 251 ).

thitung = Bj / Sbj

Dimana :
Bj = Nilai koefisien regresi masing-masing variabel bebas
Sbj = Standar error Bj

Kriteria penguijian :
1. Perbandingan t hitung dengan t table
a. thitung <> ttabel : berarti H0 ditolak

2. Berdasarkan probabilitas
a. Jika probabilitas > 0,05, maka H0 diterima
b. Jika probabilitas < 0,05, maka H0 ditolak

UJI HETEROKEDASTISITAS

UJI HETEROKEDASTISITAS

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2005: 105).

Pengujian heterokedastisitas dalam penelitian dilakukan dengan menggunakan metode Glejser yaitu meregresikan variabel-variabel independent dengan nilai ansolute residual (kesalahan) dari persamaan regresi awal. Jika variabel-variable independent yang diujikan dalam penelitian mempunyai pengaruh yang signifikan terhadap nilai absolute residual, maka dapat disimpulkan telah terjadi heterokedastisitas. Apabila nilai sig lebih besar dari 0,05 (Sig > 0,05) maka model regresi terbebas dari masalah heterokedastisitas, namun sebaliknya apabila nilai Sig kurang dari 0,05 (Sig < 0,05) maka model regresi mengandung heterokedastisitas.

UJI MUTIKOLINEARITAS

Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independent (Ghozali, 2005: 91).

Menurut Sulaiman (2002: 139) multikolinearitas berarti adanya hubungan linier yang sempurna atau pasti diantara beberapa atau semua variabel independent dari model regresi.

Teknik yang digunakan untuk mendeteksi adanya gejala multikolinearitas adalah dengan melihat nilai tolerance dan lawannya yaitu Variance Inflation Factor (VIF). Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF=1/tolerance. Dikatakan bebas multikol apabila tolerance > 0,1 dan VIF < 10, sebaliknya jika nilai tolerance < 0,1 atau sama dengan VIF > 10 maka menunjukkan adanya multikolinearitas

ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI LINIER BERGANDA

Untuk mengetahui pengaruh variabel bebas terhadap variabel terikat baik secara simultan maupun secara partial. Yaitu sebagai berikut. Djarwanto dan Pagestu, ( 1990;284 ).

Y = a + b1X1+ b2X2 + b3X3 + ….. + bxXx + E

Dimana :
Y = Variabel terikat
a = Konstanta
b = Koefisien regresi
X1 = variabel bebas 1
X2 = variabel bebas 2
X3 = variabel bebas 3
Xx = variabel bebas x

Untuk menghindari terjadinya bias, data yang digunakan harus berdistribusi normal. Pengujian normalitas sampel penelitian ini dideteksi dengan melihat penyebaran data (titik) pada sumbu siagonal grafik normal P-Plot of Regression Standardized Residual. Data dikatakan mampunyai distribusi normal jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal dari grafik normal P-Plot of Regression Standardized Residual (Santoso, 2005: 214)